买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国人民解放军海军航空大学岸防兵学院申请的专利一种基于GNN的船舶分类识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113569921B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202110766734.0，技术领域涉及：G06V10/764；该发明授权一种基于GNN的船舶分类识别方法及装置是由李湉雨;胥辉旗;曾维贵;张润萍;程永茂;刘亮;刘明刚;杨利斌设计研发完成，并于2021-07-07向国家知识产权局提交的专利申请。

本一种基于GNN的船舶分类识别方法及装置在说明书摘要公布了：本发明提供一种基于GNN的船舶分类识别方法及装置，所述方法包括：提取船舶AIS数据的特征，构建样本总集，所述样本总集为三维矩阵；将所述样本总集转化为图结构数据，并将所述样本总集分为训练集和测试集；由训练集训练GNN网络模型，将测试集中全部待测样本的船舶AIS数据的特征输入训练好的GNN网络模型以测试GNN网络有效性，利用测试通过的GNN网络对待分类船舶进行分类，所述GNN网络模型为具有两层图卷积层的GNN神经网络模型。根据本发明的方案，利用船舶轨迹，可有效提取空间特征进行机器学习，可提高船舶轨迹分类识别准确性。

本发明授权一种基于GNN的船舶分类识别方法及装置在权利要求书中公布了：1.一种基于GNN的船舶分类识别方法，其特征在于，所述方法包括以下步骤：步骤S101：提取船舶AIS数据的特征，构建样本总集，所述样本总集为三维矩阵；将所述样本总集转化为图结构数据，并将所述样本总集分为训练集和测试集；步骤S102：由训练集训练GNN网络模型，将测试集中全部待测样本的船舶AIS数据的特征输入训练好的GNN网络模型以测试GNN网络有效性，利用测试通过的GNN网络对待分类船舶进行分类；其中，每条轨迹作为一个样本，所述样本总集为三维矩阵；所述三维矩阵的第一维为所述AIS数据的轨迹数S＝{S1，…，Si，…，Snum}；第二维为所述AIS数据的轨迹Si上的轨迹点数N；第三维为每个轨迹点的属性，包括IMO、h、v、t-stamp、lat、lon；其中，IMO为船舶IMO编码、h为船首向特征、v为航速，t-stamp为时间戳，lat为轨迹点纬度值，lon为轨迹点经度值；将所述样本总集转化为图结构数据G＝V，Edge，其中V为顶点，Edge为连接顶点的边；该图结构数据以轨迹点的船首向特征h作为顶点特征，构建顶点特征矩阵M；根据航速特征v计算连接顶点的边的权重，构建邻接矩阵B；所述GNN网络模型为具有两层图卷积层的GNN神经网络模型；所述将所述样本总集转化为图结构数据，包括：步骤S1011：确定图结构中顶点的感受野，包括：计算待测样本之间的平均哈氏距离 其中，为轨迹Si中第n个轨迹点与轨迹Sj中第n个轨迹点之间的哈氏距离；设置关系强度阈值，将哈氏距离按照从小到大的顺序排序，哈氏距离小于所述关系强度阈值的表示顶点之间距离特征为强连接关系，哈氏距离大于所述关系强度阈值的表示顶点间距离特征为弱连接关系；将强连接关系用1表示，弱连接关系用0表示，构建基于空间距离连接强度特征的关系矩阵R，以确定顶点的感受野；关系矩阵I的维度为X×X，X表示样本数，即图的顶点数： 其中Thr表示关系强度阈值，为待测样本之间的平均哈氏距离；步骤S1012：根据所述待测样本中所有轨迹点的平均航速ave_v,计算任意两个待测样本的平均航速差的二范数，作为图结构中边的权重，得到权重矩阵E，其维度为X×X， 其中为轨迹Si的平均航速，表示轨迹Sj的平均航速；步骤S1013：基于权重矩阵E，构建邻接矩阵B：将基于空间距离连接强度特征的关系矩阵R点乘边的权重矩阵E，得到邻接矩阵B，其维度为X×X，B＝R·E并将邻接矩阵B进行归一化处理： 其中minB为矩阵B中的最小值，maxB为矩阵中的最大值，为归一化后的邻接矩阵；步骤S1014：提取轨迹点的船首向特征作为顶点特征，构建顶点特征矩阵M，其维度为X×1。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国人民解放军海军航空大学岸防兵学院，其通讯地址为：264001 山东省烟台市芝罘区二马路188号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。